El sector de la IA sigue en continuo avance. En este artículo se indaga acerca de las principales iniciativas público-privadas que se han puesto en marcha desde Occidente, y cómo Deepseek ha supuesto un punto de inflexión en la carrera por desarrollar modelos de IA. Adicionalmente, se analizan las futuras funcionalidades que podrán transformar la metodología de trabajo actual mediante la creación de agentes de IA.
Stargate e InvestAI
La iniciativa Stargate, anunciada recientemente, marca un hito en el panorama de la inteligencia artificial (en adelante, IA) en los Estados Unidos (en adelante, EE.UU.). Con una inversión prevista por parte del Gobierno de EE.UU. de 500 mil millones de dólares, esta colaboración promete impulsar la infraestructura de IA del país mediante la construcción de centros de datos avanzados. Stargate no solo busca consolidar el liderazgo estadounidense con respecto a la IA, sino también convertirse en una respuesta estratégica a la creciente competencia internacional.
En paralelo a esta iniciativa, la Unión Europea (en adelante, UE) ha lanzado recientemente la iniciativa InvestAI. Este proyecto busca proyectar a Europa como un referente en el ámbito de la IA a través de una inversión masiva de 200 mil millones de euros. Al igual que Stargate, InvestAI apuesta por la colaboración público-privada como eje central, con el objetivo de desarrollar gigafábricas de IA que impulsen el desarrollo de modelos avanzados y complejos. La iniciativa también contempla la creación de una infraestructura que favorezca la innovación y el acceso de empresas, grandes y pequeñas, a recursos de computación de última generación.
La decisión de realizar unas inversiones de esta magnitud se alinea con los objetivos particulares de cada potencia. Para EE.UU., se trata de fortalecer su posición en la carrera por la supremacía de la IA. La UE, por su parte, busca establecer una posición destacada en el desarrollo y la aplicación de IA, promoviendo también valores como la seguridad y la ética en el desarrollo tecnológico.
Ambas iniciativas responden a la estrategia seguida hasta el momento por los actores más importantes en el mercado de la IA: una carrera por desarrollar cada vez modelos más grandes que requieren mayor cantidad de datos para su entrenamiento, hardware cada vez más sofisticado y mayor capacidad, así como coste de computación.
En este entorno, existen modelos que desafían el statu quo tradicional representado por Stargate e InvestAI, al desarrollar modelos capaces de competir en funcionalidad a través de un sistema de desarrollo y entrenamiento mucho más eficiente.
DeepSeek
Los modelos chinos surgidos desde finales de 2024 han supuesto una auténtica revolución en el sector de la IA. En particular DeepSeek ha cobrado protagonismo en el entorno internacional de la IA, generando un debate significativo ya que ha equiparado su calidad y precisión con la de sus rivales en occidente, pero con una disminución considerable en el coste de entrenamiento y computación.
DeepSeek ha optimizado el proceso de entrenamiento de la IA mediante un sofisticado sistema que en lugar de desarrollar un solo modelo combina una serie de “mini modelos” más sencillos y baratos de construir y entrenar con un sistema de autoaprendizaje que permite que dichos modelos de IA se perfeccionen a sí mismos a través de un proceso continuo de ensayo, error y recompensa. Gracias a esta revolucionaria metodología, DeepSeek ofrece una ventaja estratégica al reducir drásticamente los costos de computación y el tiempo requerido para entrenar modelos complejos. En lugar de depender exclusivamente de una enorme capacidad de procesamiento y almacenamiento, este método optimiza el proceso al ajustarse dinámicamente a nuevas informaciones y contextos, imitando de manera más efectiva el aprendizaje humano. Esto no solo mejora la eficiencia, sino que también coloca a DeepSeek como un competidor destacado en la escena internacional, particularmente frente a las inversiones masivas mencionadas previamente.
Sin embargo, la rivalidad entre DeepSeek y sus competidores no está exenta de controversias. DeepSeek ha sido objeto de críticas por las acusaciones de haber utilizado la “destilación” de modelos “tradicionales” y, en concreto, de OpenAI. La destilación es el entrenamiento de un modelo pequeño “estudiante” con los resultados generados por otro mucho más grande y complejo, el “maestro”. Este proceso podría constituir una infracción de los términos y condiciones de ChatGPT. Además, existen serias dudas sobre la privacidad y seguridad de los datos de los usuarios de DeepSeek. Tanto es así que ya han aparecido diversas informaciones que apuntan a que podrían haber compartido información con ByteDance, la compañía matriz de TikTok y con el Gobierno chino. Legisladores en EE.UU ya han propuesto prohibir el software de DeepSeek en dispositivos gubernamentales, argumentando riesgos potenciales de transferencia de datos sensibles a China. Esta propuesta ha encontrado eco en otros países, como Australia, Italia y Corea del Sur, donde también se han implementado restricciones similares.
En este sentido, la aparición de DeepSeek plantea preguntas fundamentales sobre el futuro de la IA y el papel de los diferentes actores en su desarrollo. Mientras Stargate e InvestAI buscan consolidar las posiciones de los EE.UU. y de la UE mediante la construcción de grandes centros de datos, DeepSeek ofrece una alternativa que puede llegar a democratizar aún más el uso y la explotación de estos sistemas.
El auge de los agentes de IA
En paralelo a los avances en el campo del desarrollo de nuevos y más sofisticados modelos, estamos viviendo también el auge de los agentes de IA. Estos sistemas están diseñados para gestionar de forma autónoma tareas que antes dependían de la intervención humana, prometiendo redefinir por completo diversos sectores al asumir funciones que van más allá de las capacidades que hasta ahora considerábamos al alcance de la IA.
La adopción de agentes de IA está impulsada por su capacidad para ejecutar tareas de manera autónoma, imitando la adaptabilidad humana. Utilizando modelos avanzados de razonamiento basado en aprendizaje por refuerzo, estos agentes pueden tomar decisiones informadas, adaptarse a nuevas circunstancias y resolver problemas complejos de manera dinámica. A diferencia de la IA tradicional, que se enfoca en el reconocimiento de patrones, los agentes actuales pueden planificar, razonar y ejecutar tareas de manera autónoma.
De este modo, los agentes de IA tienen asignado un objetivo muy concreto y están especializados en llevar a cabo la tarea asignada. Esta capacidad transformadora tiene implicaciones significativas para múltiples industrias. Existe una creciente oportunidad para su utilización en el sector legal en actividades de distinta índole como pueden ser: la búsqueda de jurisprudencia, el análisis contractual, la elaboración de documentación jurídica o la gestión de procesos legales.
A modo de ejemplo práctico, un agente de IA podría tener asignada automáticamente la búsqueda de jurisprudencia sobre cada uno de los documentos que sean remitidos por una contraparte dentro de un procedimiento judicial, analizando las fuentes jurisprudenciales utilizadas por la otra parte o comprobando si existen nuevas vías resolutivas no exploradas por las partes. Asimismo, un agente de IA también podría tener asignada la revisión automática de los contratos remitidos por la contraparte, comparando el contenido del documento frente a los estándares internos y proporcionando sugerencias para aumentar la seguridad jurídica del contrato.
Aunque los agentes de IA todavía se encuentran en un estadio inicial de exploración e investigación, los desarrollos vinculados a ellos pueden suponer un cambio de paradigma en la forma en la que venimos trabajando. Con ello, contaremos en nuestro día a día con distintos agentes capaces de llevar a cabo tareas concretas con un nivel de especialización muy alto, disminuyendo la cantidad de tareas de bajo impacto realizadas por humanos y aumentando la supervisión humana de las tareas realizadas por la IA. A medida que esta transformación continúa, será crucial que las organizaciones y los legisladores trabajen juntos para abordar los desafíos inherentes y maximizar el potencial de estos sistemas.
